项目名称
电脑帮你看看病之血管瘤全方位无死角高精度扫描（血管瘤超声图像分割）
一、需求调研
据调查目前市面上还没有类似的产品，但是飞利浦等公司已经在AI医学领域有所涉足。其开放式医学影像科研探索平台，配备神经、肿瘤、心脏及血管等科研套件以及近50款算法插件，是本项目的强有力的竞争对手。
二、简要介绍项目，典型用户和典型故事
项目简介
本项目为基于深度神经网络的血管瘤超声图像分割应用，可以将血管超声图像中可能为病灶的部分分割出来。医生可以借助该程序辅助进行血管瘤的识别与检测，借助深度学习技术避免误诊漏诊。同时医学生也可以借此进行学习。
典型用户
| 名字： | 小猛子 |
|---|---|
| 性别、年龄： | 男，26岁 |
| 职业： | 某化工厂工程师 |
| 收入： | 3000 |
| 知识层次能力： | 大学研究生学历，熟练掌握过柱子本领 |
| 生活、工作情况： | 按部就班上班生活，目前准备转行计算机 |
| 动机，目的，困难： | 在恶劣的环境下可能长有血管瘤，希望初步检测后就医 |
| 用户偏好： | 打游戏 |
| 用户比例： | 10% |
| 典型场景： | 在医院网页上上传超声图像进行血管瘤的预测 |
| 典型描述: | 能够得到较准确的检测结果 |
用户故事
小猛子在化工厂搬了一年的砖，身体是越来越不行了。一天他在上网摸鱼的时候，偶然看见了百度推荐的电脑帮你看看病之血管瘤全方位无死角高精度扫描网站，他便上传了自己前不久的血管超声图像，选择了血管瘤自助诊断青春版套餐，发现自己患有血管瘤的概率竟然是99.99%！为了进一步确定，他又购买了诊断套餐，看到了图像中的肿瘤区域，但是他看不懂这到底严不严重啊，于是他就立刻使用了网站上自带的自助挂号功能挂了医院的专家号并前去看病。
三、Alpha迭代阶段计划完成的场景和功能点
用户第一次登陆需要注册。登陆后可以选择不同的套餐，血管瘤自助诊断青春版套餐只能告知是否有肿瘤，诊断套餐Pro Max可以勾画出肿瘤区域，且能与医生对话交流诊疗方案。
四、当前进展情况
目前已经初步制定了计划，在应用搭建当面确定了项目的前后端技术栈为Vue+Django+mysql，初步设计了应用的基本功能；另一方面着手进行了有关深度学习的项目的研究。由于语义分割之前学习不多，且baseline所用的网络为医学影像分割方面的模型，还需要花较多时间进行掌握。
五、NABCD模型分析与电梯演说
我们项目的潜在用户包括医生、医学院学生、血管瘤患者，软件将发布在web端，将超声图像上传到指定位置即可得到图像分割的结果，预计发布一周的用户量为1000。
N (Need 需求)
流行病学统计数据显示，婴幼儿血管瘤的发病率为10%~12%，主要见于早产儿和女性婴幼儿。超声检查无创，可以为临床提供血管瘤的位置、形状以及累及范围等信息，有助于指导医生进一步治疗。
目前临床对血管瘤的病灶的分割，主要由专家人工勾画，受临床经验水平的影响，分割结果无法避免人为误差。若采用人工智能，需要较为精准且海量的样本，数据的成本较高，如何利用小样本数据集训练血管瘤超声图像的自动精准分割，成为目前热门的研究方向之一。本应用可以达到辅助医生进行治疗血管瘤的目的，同时也有助于患者进行自检。
A (Approach 方法)
采用深度学习方法建立模型，需要收集标记好的血管瘤超声影像数据，然后选择合适的模型进行训练，使用测试集对模型准确度进行评估，准确率可接受的情况下将发布到网页端，用户上传超声图像即可得到分割出血管瘤区域的图像。我们将会使用pytorch进行开发，同时以Web端应用程序为载体，采用当前流行的前后端分离式开发技术。后端使用Django REST Framework框架，前端使用Vue进行开发。
可能遇到的困难及解决：
-
图像分割方向之前小组成员未接触过，学习可能会遇到困难，但是小组成员都具有一定的深度学习基础，相信通过合作可以顺利完成任务。
-
团队成员对于web应用开发尚不熟悉，还需要进一步完成知识的积累。
B (Benefit 好处)
- 医生可以用该程序进行辅助诊病，避免血管瘤的误诊漏诊。
- 医学专业学生可以借助该程序辅助进行学习。
- 患者可以上传自己的超声图像，在正式就诊之前有所准备。
- 网站可以对用户上传的图像进行收集，扩充现有的数据集从而为后续识别准确率的提高打下基础。
C (Competitors 竞争)
目前飞利浦等公司已经在AI医学领域有所涉足。飞利浦星云探索人工智能科研平台是一款集数据管理、图像浏览、病灶分割与标注、影像组学分析以及基于深度神经网络机器学习的大数据分析于一体的开放式医学影像科研探索平台，配备神经、肿瘤、心脏及血管等科研套件以及近50款算法插件，可满足不同领域的影像科研需求。这类较为成熟的平台，是本项目的强有力的竞争对手。
D (Delivery 交付)
（1）联系相关医疗机构，查看其在实际场景下的识别准确率。
（2）根据初步的使用效果对应用进行调整，例如增强程序的鲁棒性。
（3）在医生群体内进行推广。
（4）在公众号、知乎、微博等社交媒体对应用进行介绍，同时呼吁大家关注心脑血管健康。
电梯演说
我们的血管瘤超声图像分割项目通过借助深度神经网络技术训练出的准确率较高的模型来辅助医生进行血管瘤的识别与检测，该项目也可用于心脑血管方面的课堂教学。所以现在支持我们，你一定不会后悔！